Candidata
Maria José Gomes Pedroto
Data, Hora e Local
22 de julho, às 10:00, na Sala de Atos da FEUP
Presidente do Júri
Doutor Carlos Miguel Ferraz Baquero-Moreno, Professor Catedrático da Faculdade de Engenharia da Universidade do Porto
Vogais
Doutora Myra Spiliopoulou, Full Professor of Business Information Systems da Faculty of Computer Science da Otto-von-Guericke-University Magdeburg, Alemanha;
Doutor Manuel Filipe Vieira Torres dos Santos, Professor Associado com Agregação do Departamento de Sistemas de Informação da Escola de Engenharia da Universidade do Minho;
Doutor Alípio Mário Guedes Jorge, Professor Catedrático do Departamento de Ciência de Computadores da Faculdade de Ciências da Universidade do Porto (Orientador);
Doutor Rui Carlos Camacho de Sousa Ferreira da Silva, Professor Associado do Departamento de Engenharia Informática da Faculdade de Engenharia da Universidade do Porto.
A tese foi coorientada pelo Doutor João Pedro Carvalho Leal Mendes Moreira, Professor Associado do Departamento de Engenharia Informática da Faculdade de Engenharia da Universidade do Porto.
Resumo
Este trabalho foca-se em modelar e prever episódios Time-to-Event (TTE), e tem dois propósitos. O primeiro propósito é explorar o potencial de recorrer a dados genealógicos para previsão time-to-event. Adicionalmente, visa melhorar o diagnóstico feito pelos profissionais que trabalham com pacientes portadores de Hereditary Transthyretin Amyloidosis (ATTRv amyloidosis). Esta é uma doença genética, hereditária, altamente debilitante, com um passado histórico que transporta para as aldeias piscatórias da Póvoa do Varzim, no norte de Portugal.
Para explorar o valor dos dados genealógicos para previsão time-to-event, este trabalho tem contribuições em feature engineering, nomeadamente na área de construção e seleção de features. Para este propósito, explora e compara uma abordagem de sumarização focada na extração manual de características significativas de árvores genealógicas, com uma abordagem mais automatizada que usa embeddings. Contribui para model construction criando uma abordagem multivariada, orientada a dados, para rastrear o risco de um paciente desenvolver o início de sintomas em diferentes idades. Ainda neste campo, explora o impacto da combinação de diferentes modelos focados em previsão de idades, usando janelas temporais próximas. Finalmente, contribui para model evaluation, abordando as questões de implementação de uma abordagem que indica o retorno expectável em alterar um conjunto de diretrizes clínicas, tomando
partido de capacidades de previsão. Ainda neste campo, apresenta esquemas de avaliação robustos que suportam a abordagem multivariada orientada a dados na seleção do melhor modelo. A aplicação é focada em pacientes com ATTRv Amyloidosis. Para caraterizar o trabalho realizado, esta tese está estruturada em quatro secções principais. Começa com uma introdução e uma apresentação de ATTRv Amyloidosis tendo por base uma perspetiva histórica. Em seguida, apresenta o contexto relevante, relacionando a ligação entre previsão time-to-event com feature engineering, model construction e model evaluation. Em seguida, ainda neste âmbito, apresenta conceitos-chave de estudos genealógicos. Em seguida, apresenta as principais contribuições, na forma das principais publicações que constituem este trabalho (um artigo por capítulo). Termina com um epílogo que resume o trabalho realizado, partilha as principais conclusões e, por fim, discute a tese numa perspetiva técnica e clínica.
Palavras-chave: Dados Time-to-Event; Modelação de Dados; Modelos de Regressão.